一.认识ComfyUI
1.介绍
GUI 是 "Graphical User Interface"(图形用户界面)的缩写。简单来说,GUI 就电脑屏幕上的那种有图标、按钮和菜单的交互方式。而ComfyUI 是GUI的一种,是基于节点工作的用户界面,主要用于操作图像的生成技术,其中ComfyUI 的特别之处在于它采用了一种模块化的设计,把图像生成的过程分解成了许多小的步骤,每个步骤都是一个节点。通过连接这些节点形成一个工作流程,这样用户就可以根据需要定制自己的图像生成过程。
2.剖析
ComfyUI 的核心模块由模型加载器、提示词管理器、采样器、解码器组成,其中采样器是用于控制模型生成图像,调节生成速度和质量的平衡
具体图片生成流程如下:
同样,ComfyUI 也具有自己独特的优势,如模块化和灵活性:ComfyUI 提供了一个模块化的系统,用户可以通过拖放不同的模块来构建复杂的工作流程。这种灵活性允许用户根据自己的需求自由组合和调整模型、输入、输出、和其他处理步骤,使用户操作十分方便。
二.安装ComfyUI
1.下载脚本代码文件
利用如下代码下载安装ComfyUI的执行文件
和task1中微调完成Lora文件
git lfs install git clone https://www.modelscope.cn/datasets/maochase/kolors_test_comfyui.git mv kolors_test_comfyui/* ./ rm -rf kolors_test_comfyui/ mkdir -p /mnt/workspace/models/lightning_logs/version_0/checkpoints/ mv epoch=0-step=500.ckpt /mnt/workspace/models/lightning_logs/version_0/checkpoints/
2.运行程序等待结果
当执行到最后一个节点的内容输出了一个访问的链接的时候,复制链接到浏览器中访问
例如下图:
3.浅尝ComfyUI工作流
-
不带Lora的工作流样例
直接加载脚本,运行程序生图
-
带Lora的工作流样例
下载工作流脚本(带Lora训练),修改lora文件地址:/mnt/workspace/models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt
三.Lora微调
1.Lora简介
LoRA (Low-Rank Adaptation) 微调是一种用于在预训练模型上进行高效微调的技术。它可以通过高效且灵活的方式实现模型的个性化调整,使其能够适应特定的任务或领域,同时保持良好的泛化能力和较低的资源消耗。这对于推动大规模预训练模型的实际应用至关重要。
2.Lora微调原理
LoRA通过在预训练模型的关键层中添加低秩矩阵来实现。这些低秩矩阵通常被设计成具有较低维度的参数空间,这样它们就可以在不改变模型整体结构的情况下进行微调。
3.Lora详解(具体参数详情表)
参数名称 | 参数值 | 说明 |
| models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors | 指定预训练UNet模型的路径 |
| models/kolors/Kolors/text_encoder | 指定预训练文本编码器的路径 |
| models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors | 指定预训练VAE模型的路径 |
| 16 | 设置LoRA的秩(rank),影响模型的复杂度和性能 |
| 4 | 设置LoRA的alpha值,控制微调的强度 |
| data/lora_dataset_processed | 指定用于训练的数据集路径 |
| ./models | 指定训练完成后保存模型的路径 |
| 1 | 设置最大训练轮数为1 |
| 启用中心裁剪,用于图像预处理 | |
| 启用梯度检查点,节省显存 | |
| "16-mixed" | 设置训练时的精度为混合16位精度(half precision) |
这里我将LoRA的秩(rank)从16改为32,更大程度的影响了模型的复杂度和性能
同时将max_epochs(
最大训练轮数)改为2,使模型更加精确
四.准备数据集
1.明确需求
在准备和选择数据集时,我们需从以下三个角度考虑:
-
关注应用场景:确定你的模型将被应用到什么样的场景中(例如,艺术风格转换、产品图像生成、医疗影像合成等)。
-
关注数据类型:你需要什么样的图片?比如是真实世界的照片还是合成图像?是黑白的还是彩色的?是高分辨率还是低分辨率?
-
关注数据量:考虑你的任务应该需要多少图片来支持训练和验证。
2.数据集来源整理
魔搭社区内开放了近3000个数据集,涉及文本、图像、音频、视频和多模态等多种场景,同时,左侧有标签栏帮助快速导览(如下图所示)
这里我选择了如下数据集:
最终训练出如下模型:
https://www.modelscope.cn/qwq123qwq123qwq/Loli-LoRA.git